站内快照 · 国内可打开。外网原文可能无法访问。

• 论文公开站arXiv2026年9月30日 10:17

  AdviSD：通过定向多轮自蒸馏学习指导前沿大模型

  AdviSD: Learning to Advise Frontier LLMs via Targeted Multi-Turn Self-Distillation

  小型可训练顾问可利用自然语言建议引导冻结的语言模型执行器。除任务奖励外，顾问还可利用已完成交互的反馈改进建议，但看似合理的纠正未必能改变执行结果。

  原文链接